Curvas Personalizadas de Percentiles de I ndice de Masa Corporal Fetal: Rentabilidad en el Diagno stico del Estado Nutricional Neonatal

Abstract

La valoración del crecimiento fetal constituye uno de los pilares del seguimiento obstétrico, ya que permite identificar situaciones que pueden asociarse a una mayor morbimortalidad perinatal. Habitualmente, esta valoración se realiza mediante la estimación ecográfica del peso fetal y su posterior comparación con curvas de referencia poblacionales. Sin embargo, el peso de forma aislada no siempre refleja adecuadamente el estado nutricional del feto ni permite diferenciar con precisión aquellos casos en los que existe una verdadera alteración del crecimiento. El objetivo de esta tesis fue desarrollar y evaluar un nuevo modelo de curvas personalizadas de percentiles de índice de masa corporal (IMC) fetal y analizar su utilidad para identificar alteraciones del estado nutricional neonatal. Para ello, se realizó un estudio retrospectivo, observacional y analítico a partir de los datos de recién nacidos de madres atendidas en el Hospital Universitario de Puerto Real entre los años 2011 y 2021. Tras aplicar los criterios establecidos, se incluyeron finalmente 9.499 gestaciones. A partir de variables maternas como el peso, la talla, la edad y la paridad, junto con el sexo fetal, se elaboró un modelo predictivo de talla fetal. La combinación de esta talla personalizada con el peso fetal estimado permitió calcular el IMC fetal y desarrollar sus correspondientes curvas de percentiles. Posteriormente, se estudió la capacidad del nuevo modelo para detectar alteraciones del estado nutricional y se compararon sus resultados con los obtenidos mediante curvas basadas en el peso fetal y con los estándares INTERGROWTH-21st y GROW. Las curvas personalizadas de IMC mostraron un mejor rendimiento diagnóstico tanto para la malnutrición como para la sobrenutrición neonatal. El área bajo la curva ROC alcanzó un valor de 0,95 en ambos casos. En la detección de malnutrición, la sensibilidad fue de 0,83, frente a 0,31 para GROW y 0,30 para INTERGROWTH-21st. Del mismo modo, las razones de probabilidades diagnósticas obtenidas con el nuevo modelo fueron superiores a las observadas con los métodos de comparación. Estos resultados muestran que la valoración conjunta del peso y de una estimación personalizada de la talla fetal aporta información adicional sobre el estado nutricional. Por tanto, las curvas personalizadas de percentiles de IMC fetal podrían ser una herramienta útil para mejorar la identificación prenatal de los fetos con malnutrición o sobrenutrición. Además, al construirse a partir de variables disponibles de forma habitual durante el seguimiento obstétrico, su aplicación en la práctica clínica sería factible. No obstante, será necesario validar el modelo en otras poblaciones antes de generalizar su utilización.

Introduction The adequate assessment of fetal growth throughout gestation is a top priority in Obstetrics, aiming to reduce adverse perinatal outcomes. Birth weight is a key risk marker for postnatal health. Traditionally, fetal growth is assessed by comparing the estimated fetal weight (EFW) against population percentile curves. However, current methods based solely on EFW have limited predictive capacity in diagnosing fetal and neonatal nutritional status alterations. These population curves often fail to account for individual physiological variation, potentially leading to the misclassification of healthy fetuses. To improve the detection and diagnosis of nutritional status abnormalities, this thesis developed and evaluated an optimized model. The central hypothesis is that a customized fetal Body Mass Index (BMI) percentile curve, which integrates both estimated weight and customized estimated length, better classifies alterations in fetal and neonatal nutritional status (undernutrition and overnutrition) than curves based exclusively on fetal weight percentiles. The main objective was to evaluate the diagnostic capacity of this new customized fetal BMI curve model in assessing neonatal malnutrition and overnutrition. Materials and Methods A retrospective, observational, and analytical study was conducted to evaluate a diagnostic test. The reference population comprised neonates born to mothers cared for at the Hospital Universitario de Puerto Real (HUPR) between January 2011 and December 2021. Inclusion criteria specified single gestations between 32 and 42 weeks. The final study population included 9,499 pregnancies after applying exclusion criteria and filtering out incomplete data. A customized fetal BMI percentile curve was developed by constructing a predictive model for fetal length at 40 weeks of gestation, utilizing maternal variables (weight, height, age, parity) and fetal sex. The expected fetal BMI was estimated by combining the estimated fetal weight and the customized fetal length values. Diagnostic efficacy was evaluated and compared against customized fetal weight percentile curves and population curves (INTERGROWTH-21st, or IG21st, and GROW). Key metrics included Sensitivity (S), Specificity (E), Diagnostic Odds Ratio (DOR), and the Area Under the Receiver Operating Characteristics Curve (AUC-ROC). Results The customized fetal BMI curve model demonstrated superior and significantly greater diagnostic capacity for detecting both neonatal malnutrition (SGA) and overnutrition (LGA) compared to the weight-based models analyzed. For detecting malnutrition, the customized IMC curve achieved an AUC-ROC of 0.95 and a DOR of 49.41. These values significantly surpassed those of IG21st (AUC: 0.80, DOR: 7.84) and GROW (AUC: 0.79, DOR: 6.96). The sensitivity for malnutrition was 0.83 for the new model, compared to 0.31 for GROW and 0.30 for IG21st. Similarly, for diagnosing overnutrition, the BMI curve maintained an AUC-ROC of 0.95 and a DOR of 55.29, substantially outperforming GROW (DOR: 6.68) and IG21st (DOR: 5.16). This enhanced performance is partly explained by the fact that the coefficient of variation for fetal BMI is almost three times smaller than that of weight, yielding more consistent and tailored percentiles. Conclusions The optimization of the mathematical model using fetal BMI (by relating customized estimated length and estimated fetal weight via ultrasound) allows for a more precise evaluation of fetal growth alterations compared to models based solely on weight. The customized fetal BMI curve exhibited a greater diagnostic capability for detecting both neonatal malnutrition and overnutrition, demonstrating superior performance against traditional curves and international standards (IG21st). These findings suggest that incorporating fetal BMI as a complementary parameter can improve the early detection of nutritional abnormalities and optimize perinatal management. Since the model is based on variables routinely recorded in clinical practice, implementation in any center is feasible. Nonetheless, these findings must be corroborated through new external validation studies in different populations.